Glimpse kontra MiniCPM5 2B: siedem tygodni śladu papierowego i dziewięć dziesiątych sekundy

MiniCPM5-2B i E​lorian G​limpse to oba małe modele, o których twierdzi się, że pokonują rzeczy znacznie większe od siebie, i głoszą to twierdzenie w przeciwstawnych walutach. MiniCPM5-2B, zaprezentowany przez M​odelBest i O​penBMB na WAIC 19 lipca 2026, którego wagi ostatecznie udostępniono 6 września 2026, ma kartę ze średnią 53,9 na własnym zestawie testowym, podczas gdy większe otwarte modele osiągają maksymalnie 51,1. G​limpse, wydany 16 października 2026, ma okno 0,9 sekundy — pierwsze przejście przy około 8 klatkach na sekundę, a następnie ponowne skanowanie przez dziewięć dziesiątych sekundy przy około 14 klatkach na sekundę — oraz zestaw wierszy benchmarków, które pochodzą od samego dostawcy, są niezreprodukowane i wyraźnie niejednorodne. Za jednym z nich stoi siedem tygodni publicznej dokumentacji i artefakt do pobrania. Drugi ma mechanizm i prawie żadnych liczb.

To porównanie nie polega tak naprawdę na zestawieniu dwóch wersji tego samego, ponieważ MiniCPM5-2B to ogólny model rozumujący, który potrafi też czytać obrazy, podczas gdy G​limpse to hostowana wersja zapoznawcza do rozumowania wizualnego, która nie robi prawie nic innego. Powód, dla którego warto czytać je razem, jest taki, że oba stanowią argumenty o tym, co potrafią małe modele — a te dwa argumenty zawodzą na różne, pouczające sposoby.

Czekanie i to, co czekanie przyniosło

Oś czasu MiniCPM5-2B jest warta odtworzenia, ponieważ to ta część historii, którą przegapiłoby wyszukiwanie daty premiery.

Model zaprezentowano 19 lipca 2026 r. na World Artificial Intelligence Conference, gdzie najważniejszą możliwością było okno kontekstowe o rozmiarze 512 000 tokenów. Wagi pojawiły się dopiero 6 września, a 7 września opublikowano listę zmian. Między tymi dwiema datami model istniał jako demonstracja i zestaw liczb.

To, co zostało dostarczone, nie jest tym, co reklamowano, a tę rozbieżność można zweryfikować. Udostępniona konfiguracja ustawia max_position_embeddings na 131,072 bez bloku rope_scaling, co daje 131,072 tokenów — jedną czwartą wartości z WAIC. To nie tyle nieuczciwość, ile zwykła różnica między tym, co zespół badawczy pokazuje na scenie, a tym, na co zespół inżynieryjny gotów jest się podpisać w pliku konfiguracyjnym, ale właśnie ta liczba się liczy, ponieważ to ją dziedziczy twoje wdrożenie.

To, co zostało wydane, jest wyjątkowo kompletne jak na model w tej klasie rozmiarowej. Obok finalnego checkpointu BF16 — połączonego RL i OPD — oddzielnie opublikowano etapy SFT, midtrain i base, buildy GGUF, MLX i GPTQ dla lokalnych środowisk uruchomieniowych, model draft DSpark do dekodowania spekulatywnego oraz same korpusy treningowe wydane jako rodzina UltraData. Wsparcie Day-zero na dziewięciu chipsetach zapewnił FlagOS, a karta modelu wyraźnie podkreśla, że implementacja nie używa własnych kerneli ani forka kodu modelu. Ten ostatni szczegół jest tym, który czyni resztę wiarygodną: model działający na standardowych narzędziach to model, który działa tam, gdzie jesteś, a nie tylko tam, gdzie znajduje się klaster autorów.

Oś czasu G​limpse jest w porównaniu bardziej zwarta, a ślad dokumentacyjny G​limpse jest skromniejszy. Wydano 16 października 2026 r., dzień przed tym artykułem, jako podgląd badawczy dostępny przez API i interfejs czatu E​lorian z darmową rejestracją. Brak wag, brak publikacji modelu bazowego, na którym przeprowadzono jego post-training, brak jakiegokolwiek artefaktu. Firma wyszła z trybu stealth w kwietniu 2026 r., z Andrew Daiem na czele, byłym badaczem G​oogle, z 55 mln dolarów od Striker Ventures, Menlo Ventures i Altimeter oraz z udziałem N​VIDIA, 49 Palms i Jeffa Deana. Model to pierwsza rzecz, jaką wypuściła.

Liczby i to, co obejmuje każdy zestaw

• Parametry — MiniCPM5-2B ma łącznie 2 516 756 480 parametrów, z czego 1 981 982 720 to parametry niebędące osadzeniami; 42 warstwy, uwaga grupowa (group-query attention) na 16 głowicach zapytań i 2 głowicach klucz-wartość, obsługiwana przez standardową klasę LlamaForCausalLM. Liczba parametrów Glimpse nie została opublikowana, a jej wpis inauguracyjny mówi jedynie, że jest „znacznie mniejsza i tańsza” niż modele frontier, z którymi jest porównywana.

• Artefakt — wagi na licencji Apache 2.0 oraz warianty SFT, midtrain, base, GGUF, MLX i GPTQ dla MiniCPM5-2B. Brak dla Glimpse, który oferuje hostowany endpoint i nic do pobrania.

• Kontekst — 131 072 tokenów w konfiguracji dla MiniCPM5-2B, wobec 512 000 tokenów reklamowanych podczas demonstracji na WAIC. Nieopublikowane dla G​limpse — istotniejsza z tych dwóch luk, ponieważ jego kluczową zdolnością jest czytanie wideo.

• Modalność — obrazy na wejściu, tekst na wyjściu dla MiniCPM5-2B. Wideo i obrazy dla Glimpse, z możliwością powrotu do danego przedziału po pierwszym przebiegu.

• Ocena — Karta modelu MiniCPM5-2B podaje LiveCodeBench v6 na poziomie 69,1, AIME 2025 i 2026 oba na 86,5, MATH-500 na 94,6, MMLU-Pro na 70,8, LongBench v2 na 43,7, BFCL v4 na 66,6 i SWE-bench Verified na 46,4, przy czym niektóre wiersze oznaczono sztyletem jako przeniesione z wydania Artificial Analysis, a nie zmierzone wewnętrznie. Wiersze G​limpse to własne wyniki E​lorian, zestawione z GPT-6 Astra, z przypisem ujawniającym, że kilku konkurentów uruchomiono poniżej maksymalnego wysiłku myślenia, podczas gdy G​limpse działał na najwyższym poziomie.

• Cena — 0,60 USD za milion tokenów wejściowych i 3,00 USD za milion tokenów wyjściowych dla G​limpse, przy czym rewind jest rozliczany jako tokeny wyjściowe, więc ślad jest dowodem. Brak cennika dla MiniCPM5-2B, ponieważ produktem końcowym jest plik.

Twierdzenie, które oboje wysuwają, i różne sposoby, w jakie się ono utrzymuje

Główne twierdzenie MiniCPM5-2B ma charakter arytmetyczny i jest weryfikowalne. Model o 2,5 miliarda parametrów, średnia z karty 53,9, przeciwko większym otwartym modelom, których najlepsza średnia na tym samym zestawie wynosi 51,1. To twierdzenie w postaci „ta mała rzecz bije tamtą dużą w tych zadaniach” i jest falsyfikowalne przez każdego, kto ma GPU i jedno popołudnie, ponieważ wagi są do pobrania, a testy opublikowane.

Mechanizm tego jest udokumentowany w trzech etapach: nadzorowane dostrajanie na około 400 miliardach tokenów danych głębokiego myślenia, uczenie ze wzmocnieniem z modelami nauczycielskimi, a następnie destylacja on-policy, która scala szesnastu ekspertów RL — pięciu z nich agentowych — z powrotem w jeden checkpoint. Wewnętrzne liczby przypisane temu scaleniu to wzrost o 10,96 punktu w zadaniach rozumowania i ogólnych oraz o 6,96 w zadaniach agentowych względem stanu przed scaleniem. To są pomiary samego dostawcy dotyczące jego własnego pipeline'u i są to twierdzenia, które strona trzecia może teraz sprawdzić, co jest sednem udostępniania zarówno pośrednich checkpointów, jak i końcowego.

Główna teza Glimpse nie jest arytmetyczna. To twierdzenie o zachowaniu: że powrót do okna podsekundowego po pierwszym przebiegu daje lepsze odpowiedzi na pytania temporalne, niż kiedykolwiek mogłoby dać próbkowanie na stałej siatce. Wspierające dowody to zestaw przeanalizowanych śladów i tabela benchmarków, która dzieli się niemal po połowie — z przewagą w WGO Bench (42,70 vs 39,42), CharXiv-R (92,90 vs 92,10), UGC-VideoCap (82,66 vs 80,32) i FSC-147 (83,36 vs 82,02); ze stratą w BabyVision (95,36 vs 97,68), DREAM-1K (76,04 vs 79,05), TOMATO (93,60 vs 96,02), Video-MME v2 (56,68 vs 64,06), CountQA (82,66 vs 86,42) i Humanity's Sixth Sense (46,36 vs 53,6).

Oba twierdzenia są wiarygodne. Tylko jedno z nich może obecnie zostać sprawdzone przez kogoś spoza firmy, która je wysunęła.

Co łączy te dwa ujawnienia

Karta MiniCPM5-2B ma przy części swoich wierszy znaczniki w postaci sztyletów, oznaczając je jako dane pochodzące z wydania Artificial Analysis, a nie zmierzone przez autorów. Odczytuj to jako ujawnienie, a nie wadę. Alternatywa — po cichu włączenie cudzych pomiarów do własnej tabeli bez znacznika — jest powszechna i gorsza.

Oba modele są – na podstawie dostępnych dowodów – niezweryfikowane w tym samym konkretnym sensie. Tabela G​limpse'a jest prowadzona przez dostawcę przy najlepszej konfiguracji dostawcy. MiniCPM5-2B również nie ma niezależnego odtworzenia swojej średniej z karty, niezależnie od pochodzenia poszczególnych wierszy. W tym wymiarze oba wydania są identyczne i warto to zauważyć, zanim którekolwiek z nich zostanie uznane za wiarygodną połowę porównania.

Ważniejsza różnica polega na tym, co dzieje się dalej. Każdy może pobrać MiniCPM5-2B i jeszcze dziś po południu przeprowadzić własną ocenę na własnych danych, nie pytając nikogo. Nikt nie może zrobić tego z G​limpse. Wersja próbna jest darmowa, a ślady można przeglądać, ale ocena jest ograniczona tym, co E​lorian zdecydował się pokazać, a endpoint to jedyne miejsce, w którym model istnieje.

Gdy o kwestii rozstrzyga opieka

To jest wymiar, w którym te dwa modele nie są sobie bliskie, i nie ma to nic wspólnego z możliwościami.

Rezultatem MiniCPM5-2B jest zestaw plików na licencji Apache 2.0, w tym build GGUF i build MLX. Oznacza to, że model działa na laptopie, obrazy nigdy nie opuszczają maszyny, a w ścieżce żądań wdrożenia nie ma żadnego dostawcy — żadnego okna dostępności, żadnego pytania o retencję, żadnego limitu liczby żądań, żadnej ceny, która może się zmienić pod twoimi stopami. W przypadku regulowanej pracy z obrazowaniem lub czegokolwiek, gdzie media nie mogą przekroczyć granicy sieci, to przesądza o całej decyzji, a G​limpse nie jest kandydatem, niezależnie od tego, jak dobrze wygląda ślad.

Możliwość G​limpse istnieje wyłącznie za punktem końcowym E​loriana. Jej wyróżniającą cechą jest wizualna przestrzeń robocza, i nie ma artefaktu do przeniesienia. To nie jest wadą produktu; to cecha badawczej wersji zapoznawczej, której wartość prawdopodobnie tkwi w mechanizmie, a nie w wagach.

To także miejsce, w którym warstwa routingu jest przydatna i w którym przestaje być przydatna. OrcaRouter daje ci jeden klucz przed ponad 200 modelami, z cenami katalogowymi dostawców przekazywanymi wprost i niczym doliczanym za token, dzięki czemu lokalny MiniCPM5-2B i model hostowany mogą działać na jednej ścieżce kodu zamiast dwóch, z DSL routingu wybierającym dla każdego żądania i automatycznym przełączaniem awaryjnym podtrzymującym żądanie, gdy ścieżka zawiedzie. Hostowana połowa tego zestawu, jeśli dostawca obniży cenę, jest dostępna po naszej stronie tego samego dnia, a nie dopiero przy kolejnym odnowieniu. Routing nie może natomiast zmienić miejsca przechowywania danych: jeśli punkt końcowy nie znajduje się na twoim sprzęcie, żadna reguła routingu go tam nie umieści. Ani MiniCPM5-2B, ani G​limpse nie ma w naszym katalogu — jeden to plik do pobrania, a drugi to własne API i interfejs czatu E​loriana — więc to opisuje, jak routujemy, a nie twierdzenie, że obsługujemy którykolwiek z tych modeli.

Decyzja, z załączonym rozliczeniem

MiniCPM5-2B i G​limpse nie są konkurentami, a traktowanie ich jako takich marnuje to porównanie. Jeden to ogólny model o 2,5 miliarda parametrów, który możesz mieć na własność. Drugi to hostowany podgląd, który robi jedną niezwykłą rzecz.

Nie ma wspólnej tablicy wyników dla tych dwóch ani sposobu, by ją stworzyć. Karta MiniCPM5-2B ocenia kodowanie, matematykę, wykonywanie instrukcji i wyszukiwanie informacji w długim kontekście. Tabela G​limpse ocenia percepcję wideo i obrazów w zestawieniu z GPT-6 Astra. Nie mają wspólnego zadania, więc jedyne porównania, które mają znaczenie, dotyczą własnego obciążenia. Trzy pytania rozstrzygną to szybciej niż tabela.

Czy model musi działać na twoim własnym sprzęcie, czy licencja musi być permisywna? W takim razie MiniCPM5-2B jest tu jedynym kandydatem. Pobierz kompilację GGUF lub MLX, zaplanuj budżet na kontekst 131 072 tokenów, który faktycznie ustawia konfiguracja, a nie na 512 000 pokazane na WAIC, a wiersze karty oznaczone krzyżykiem traktuj jako wskazówki do oryginalnej ewaluacji, a nie jako pomiary autorów.

Czy tryb awarii jest czasowy — przesunięcie kamery wzięte za cięcie, obiekt, który zmienia tożsamość podczas przesłonięcia, zdarzenie w oknie krótszym niż sekunda? Wtedy Glimpse jest jedynym z tych dwóch, którego deklarowany mechanizm się nim zajmuje. Wersja próbna jest darmowa, a ślad jest testem: uruchom własne klipy i sprawdź, czy model kiedykolwiek wrócił do interwału, który przesądził o odpowiedzi.

Czy ta praca to długi kontekst, ale nie długie wideo — zestaw dokumentów, archiwum akt, ścieżka audytu, które muszą zmieścić się w jednym oknie? Nie rozstrzyga tego opublikowana ocena żadnego z modeli. LongBench v2 z wynikiem 43,7 to pojedyncza liczba dla całej kategorii zachowań i nie powie ci, jak MiniCPM5-2B radzi sobie z twoimi dokumentami przy 120 000 tokenów. To trzeba zmierzyć, zanim którakolwiek z decyzji będzie bezpieczna.

Co zmieniłoby tę stronę: jakiekolwiek odtworzenie wierszy benchmarku G​limpse'a przez kogoś innego niż E​lorian, publikacja liczby jego parametrów lub okna kontekstowego albo checkpoint MiniCPM5, który zamyka lukę między konfiguracją 131 072 tokenów a demonstracją 512 000 tokenów. Nic z tego nie ma w kalendarzu. Dopóki się nie pojawią, jeden z tych modeli da się dziś wieczorem przetestować przez każdego, a drugiego nie da się przetestować przez nikogo — a ta asymetria, bardziej niż jakikolwiek wiersz benchmarku, jest tym, wokół czego trzeba planować.

Udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są gromadzone w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i znacznik sporności.